Dynamic Cloud Instance Acquisition via IaaS Cloud Brokerage 文章阅读笔记

1、文章贡献： 

        在用户和云平台中间，文章提出了一个中间商的概念，一个中间商服务于大量用户，聚集所有用户需求后向云平台购买实例，包括按需实例和预留实例，也同样需要进行决策，面临什么时候预留，预留几个实例的问题。

        提出中间商的概念有三个原因：

    能够更好地利用预留实例，单个用户可能会有峰值和零星需求，不能好好利用预留实例，而中间商因为下面有很多用户。因此可以平滑掉不同用户的需求峰值，也能将不同用户的零星需求利用起来。

    减少因为部分使用造成的浪费
    享受购买大量实例而带来的价格优惠。
文章重点讨论引入中间商会给总体带来什么样的好处，没有具体提出中间商如何定价给用户，但说到中间商会将收益以价格折扣的方式反馈给用户。

2、收费方式较之前进行了改变：

 

3、第三部分讲了云平台收费方式，第四部分讲了离线最优算法以及其局限性，即算法复杂度非常大（维数灾难），很难实现。这两部分和以前论文中相似。

4、三个算法（第五部分）

        前两个算法是启发式算法和改进的贪婪算法，基于将来需求可以预见，即每个用户提交他们将来的需求，所以这两个算法不是在线算法，这两个算法的竞争比是2。第三个算法是假设将来需求不可见，是一个在线算法，竞争比为4。

4.1 启发式算法

 

        启发式算法：将需求分级，将时间分段，每段长度为T，每段中单独进行决策。当一个预留实例并不是间隔对齐的，那么该实例肯定跨越了两个周期，我们就把这种实力分解为两个周期对齐的预留实例。

4.2 改进的贪婪算法

        预留的实例不只是在一层进行服务，而是可以至上而下跨层服务。要求从顶层开始预留实例，因为顶层需求少，所以预留实例有大量空闲时间，因此顶层的预留实例开始往下服务于第二层的需求，而且还有空闲的时间的话可以继续往下层进行服务，直至最底层。

 

 
        每一个时刻，对于每一层，比较前一个周期中如果使用预留实例服务额外需求和使用按需实例服务额外需求所花费的大小，取最小决策。本层的花费仅包括本层预留的实例花费和按需花费，上面层的预留实例下沉服务本层的需求不算做本层的花费。

4.3 在线预留算法

        首先还是提了一下火车票优惠问题，但是算法中收费方式是按照固定费用进行计算。
        算法基本思路和之前差不多，我想的在线算法也和这个算法大致思路是一样的。

 

        该在线算法竞争比证明为4，证明过程放缩有些过度。